【技术实现步骤摘要】
本专利技术属于无线通信，涉及一种面向通感算融合的边缘计算服务缓存和任务卸载方法。
技术介绍
1、随着物联网以及移动通信技术的不断发展，移动应用已变得日益多样和复杂。其中，物联网系统中具有感测功能的大量联网设备使用其观察结果用于自助推理或决策。以自动驾驶为例，车载雷达获取周围环境信息，将观测结果可靠地传递给资源丰富的服务器，并及时处理感知结果避免碰撞。然而由于传感、通信、计算功能共存的需求，实现物联网从面向连接到面向智能绝非易事。新增的传感需求对本就稀缺的频谱资源施加更重的负担，并且对计算卸载的时延有更高的要求。鉴于上述问题，综合传感、通信、计算(iscc,integrated communication,sensing and computing)已经成为一个备受关注的热点问题，以灵活的支持各种自动化应用。
2、将集成传感和通信技术(isac,integrated communication and sensing)与移动边缘计算(mec,mobile edge computing)相结合是实现iscc的一个方法。一方面，传感和无线传输在信号处理、信道特性等方面的相似性。另一方面，mec通过将计算能力下沉到分布式设备，有助于减少计算卸载的延迟。物联网设备中新业务和新应用的不断增加，大多是计算密集型和时延敏感型任务，例如自动驾驶、图像识别和增强现实等。这导致对计算、存储、网络等资源的需求也越来越高。在计算能力有限的终端处理这类任务时，用户的等待时间显著增加，从而影响了用户服务体验的质量。云计算的出现很好的解决了终端计算
3、然而，传统的通感算融合和移动边缘计算技术多面向通信、感知和计算网络场景，无法适应面向通感算融合的边缘计算异构网络中通信、感知、计算、存储、服务等多维资源与边缘业务间性能匹配存在的制约和耦合。
技术实现思路
1、为解决以上现有技术问题，本专利技术采用一种面向通感算融合的边缘计算服务缓存和任务卸载方法，包括：
2、s1、构建系统模型；所述系统模型包括：宏基站、小基站及其相关联的物联网终端；
3、s2、根据系统模型构建服务缓存模型、感知模型以及任务卸载模型；
4、s3、根据缓存模型、感知模型以及任务卸载模型构建联合优化问题；
5、s4、求解联合优化问题，得到最优服务缓存和任务卸载决策。
6、构建服务缓存模型包括：构建服务类型集合根据服务类型集合构建服务缓存决策ψm(t)＝{ψ1,m(t),...,ψc,m(t),...,ψc,m(t)}，ψc,m(t)∈{0,1}表示在时隙t小基站m是否缓存服务类型c；其中，c为服务类型的数量。
7、构建感知模型包括：构建功率控制决策pm(t)＝{p1,m(t),...,pk,m(t),...,pk,m(t)}，根据功率控制决策计算物联网终端的感知精度，即物联网终端的回波信号与脉冲响应之间的条件互信息mik,m(t)：
8、
9、其中，k为小基站m下物联网终端k的数量，yk,m(t)为小基站m下物联网终端k的回波信号，为小基站m下物联网终端k在信道n上的脉冲响应，sk,m(t)为小基站m下物联网终端k在信道n上连续集成的s个ofdm符号，s为信道n上的ofdm符号的数量，b为信道n带宽，ds为具有循环前缀的单个ofdm符号持续的时间，为小基站m下物联网终端k在信道n上的雷达信噪比，pk,m(t)为小基站m下物联网终端k在时隙t的发射功率，为信道n在频率为fn时的傅里叶变换，σ2为加性高斯噪声的方差。
10、构建任务卸载模型包括：构建卸载决策：bk,m(t)＝{αk,m(t),βk,m(t),γk,m(t)}，αk,m(t)∈{0,1}表示小基站m下物联网终端k的任务在时隙t是否由本地基站进行计算，βk,m(t)∈{0,1}表示小基站m下物联网终端k的任务在时隙t是否由相邻基站进行计算，γk,m(t)∈{0,1}表示小基站m下物联网终端k的任务在时隙t是否由宏基站进行计算。
11、联合优化问题为：
12、
13、其中，约束式表示小基站缓存的服务不能超过每个基站的缓存容量，约束式表示物联网终端只能选择一种任务卸载方式，约束式表示物联网终端的感知精度不小于最小传感精度，约束式表示任务执行的总时延不能超过最大容忍时延，约束式表示物联网终端的传输速率不小于最小吞吐量，ψ(t)表示基站的服务缓存决策，ψc,m(t)表示在时隙t小基站m是否缓存服务类型c，b(t)表示任务卸载决策，bk,m(t)表示在时隙t小基站m下物联网终端k的任务卸载决策，p(t)表示功率控制决策，pk,m(t)表示小基站m下物联网终端k在时隙t的发射功率，表示时间集合，表示小基站的集合，为物联网终端集合，costk,m(t)为任务执行的总成本，zc表示缓存服务c需要占用的存储空间的大小，zm为小基站m存储空间的大小，αk,m(t)表示小基站m下物联网终端k的任务在时隙t是否由本地基站进行计算，βk,m(t)表示小基站m下物联网终端k的任务在时隙t是否由相邻基站进行计算，γk,m(t)表示小基站m下物联网终端k的任务在时隙t是否由宏基站进行计算，mik,m表示物联网终端的感知精度，即物联网终端的回波信号与脉冲响应之间的条件互信息，表示物联网终端任务感知的最小传感精度，tk,m(t)表示任务执行的总时延，表示任务执行的最大容忍时延，rk,m表示将任务上传到小基站m的传输速率，表示物联网终端将任务上传到相关联的基站的最小吞吐量。
14、任务执行的总成本为：
15、costk,m(t)＝wdtk,m(t)+week,m(t)
16、其中，wd和we分别为时延和能耗的权重，ek,m(t)为任务执行的总能耗。
17、任务执行的总时延tk,m(t)和总能耗ek,m(t)为：
18、
19、其中，表示卸载到相关联的基站的执行时延，表示卸载到相关联的基站产生的能耗，表示卸载到相邻基站的执行时延，表示卸载到相邻基站产生的能耗，表示卸载到宏基站时的执行时延，表示卸载到宏基站产生的能耗。
20、求解联合优化问题包括：将联合优化问题转化为部分可观测马尔可夫决策过程；基于部分可观测马尔可夫决策过程采用maddpg求解联合优化问题，得到最优服务缓存和任务卸载决策；所述maddpg为多智能体深度确定性策略梯度算法。
21、将联合优化问题转化为部分可观测马尔可夫决策过程包括：构建状态空间构建部分可观测空间构建动作空间构建奖励函数rm(t)：
<本文档来自技高网...【技术保护点】
1.一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，包括：
2.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，构建服务缓存模型包括：构建服务类型集合C＝{1,2,…,C}，根据服务类型集合构建服务缓存决策ψm(t)＝{ψ1,m(t),...,ψc,m(t),...,ψC,m(t)}，ψc,m(t)∈{0,1}表示在时隙t小基站m是否缓存服务类型c；其中，C为服务类型的数量。
3.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，构建感知模型包括：构建功率控制决策pm(t)＝{p1,m(t),...,pk,m(t),...,pK,m(t)}，根据功率控制决策计算物联网终端的感知精度，即物联网终端的回波信号与脉冲响应之间的条件互信息MIk,m(t)：
4.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，构建任务卸载模型包括：构建卸载决策：bk,m(t)＝{αk,m(t),βk,m(t),γk,m(t)}，αk,m(t)∈{0,
5.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，联合优化问题为：
6.根据权利要求5所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，任务执行的总成本为：
7.根据权利要求6所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，任务执行的总时延Tk,m(t)和总能耗Ek,m(t)为：
8.根据权利要求5所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，求解联合优化问题包括：将联合优化问题转化为部分可观测马尔可夫决策过程；基于部分可观测马尔可夫决策过程采用MADDPG求解联合优化问题，得到最优服务缓存和任务卸载决策；所述MADDPG为多智能体深度确定性策略梯度算法。
9.根据权利要求8所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，将联合优化问题转化为部分可观测马尔可夫决策过程包括：构建状态空间构建部分可观测空间构建动作空间构建奖励函数rm(t)：
10.根据权利要求9所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，物联网终端任务执行的总时延满足最大容忍时延的奖励Yk,m(t)表示为其中，H(·)为阶跃函数，η1为权重系数。
...【技术特征摘要】
1.一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，包括：
2.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，构建服务缓存模型包括：构建服务类型集合c＝{1,2,…,c}，根据服务类型集合构建服务缓存决策ψm(t)＝{ψ1,m(t),...,ψc,m(t),...,ψc,m(t)}，ψc,m(t)∈{0,1}表示在时隙t小基站m是否缓存服务类型c；其中，c为服务类型的数量。
3.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，构建感知模型包括：构建功率控制决策pm(t)＝{p1,m(t),...,pk,m(t),...,pk,m(t)}，根据功率控制决策计算物联网终端的感知精度，即物联网终端的回波信号与脉冲响应之间的条件互信息mik,m(t)：
4.根据权利要求1所述的一种面向通感算融合的边缘计算服务缓存和任务卸载方法，其特征在于，构建任务卸载模型包括：构建卸载决策：bk,m(t)＝{αk,m(t),βk,m(t),γk,m(t)}，αk,m(t)∈{0,1}表示小基站m下物联网终端k的任务在时隙t是否由本地基站进行计算，βk,m(t)∈{0,1}表示小基站m下物联网终端k的任务在时隙t是否由相邻基站进行计算，γk,m(t)∈{0,1}表示小基站m下物联...
【专利技术属性】
技术研发人员：鲜永菊，范水苗，夏士超，梁吉申，吴广富，李云，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。